Criação de Conhecimento através de Data Mining: Um

V CONGRESSO BRASILEIRO DE ENGENHARIA DE PRODUÇÃO
Ponta Grossa, PR, Brasil, 02 a 04 de Dezembro de 2015
Criação de Conhecimento através de Data Mining: Um estudo sobre
regras de associação em uma base de dados do Weka
Jovani Taveira de Souza (UTFPR-PG) [email protected]
Antonio Carlos de Francisco (UTFPR-PG) [email protected]
João Luiz Kovaleski (UTFPR-PG) [email protected]
Bruno Aparecido Oliveira (UNINTER) [email protected]
Álamo Alexandre da Silva Batista (UTFPR- PG) [email protected]
Resumo:
As técnicas de mineração de dados têm mostrado sua eficiência na extração de conhecimento útil em
base de dados, sendo assim, objetivou-se com este estudo apresentar uma das tarefas de aplicação
utilizada pelo Data Mining (Mineração de dados). Para isso, foi preciso utilizar uma base de dados
fornecida pela biblioteca do Weka, software livre utilizado neste estudo. A base de dados escolhida
abrange casos de pacientes com câncer de mama. A regra utilizada foi a regra de associação,
juntamente com o algoritmo Apriori, devido a gerar conjuntos de itens frequentes, buscando padrões
para determinar o perfil e comportamento das informações contidas na base de dados. A metodologia
empregada envolve o processo denominado de KDD (Knowledge Discovery in Database – Descoberta
de Conhecimento em Banco de Dados), que contempla uma série de etapas, o qual envolve a
preparação dos dados, procura por padrões, avaliação e refinamento. Como resultado evidenciamos a
íntima relação entre os sintomas prévios e os diagnósticos realizados. Conclui-se com o estudo que a
adoção das técnicas de KDD apresentou-se como uma estratégia eficaz para descoberta de
conhecimento em base de dados, extraindo informações ocultas e gerando dados privilegiados.
Palavras chave: Data Mining, Regra de Associação, KDD.
Knowledge creation through Data Mining: A study of association rules
in a Weka database
Abstract
Data mining techniques have shown their efficiency in useful knowledge extraction in database,
therefore, the aim of this study was to present an application of the tasks used by Data Mining. For
this, we need to use a database provided by the Weka library, free software used in this study. The
database includes selected cases of patients with breast cancer. The rule used was the association rule,
along with the Apriori algorithm due to frequent generate sets of items, searching for patterns to
determine the behavior profile and the information contained in the database. The methodology
involves the process called KDD (Knowledge Discovery in Database), which includes a series of
steps, which involves the preparation of the data, looking for patterns, evaluation and refinement. As a
result we noted the close relationship between the previous symptoms and performed diagnostic.
Concludes with the study that the adoption of KDD techniques presented itself as an effective strategy
for knowledge discovery in databases, extracting hidden information and generating privileged data.
Key-words: Data Mining, Association rules, KDD.
V CONGRESSO BRASILEIRO DE ENGENHARIA DE PRODUÇÃO
Ponta Grossa, PR, Brasil, 02 a 04 de Dezembro de 2015
1. Introdução
Com o aumento gradativo de informações em banco de dados surgiu a necessidade de criar
técnicas e ferramentas capazes de transformar esses dados brutos em conhecimento útil e
aplicado. Visando esse estudo, a área denominada de Descoberta de Conhecimento em Banco
de Dados (Knowledge Discovery in Databases – KDD) estudou essas técnicas, juntamente
com a técnica capaz de transformar todos os dados gerados em conhecimento útil, intitulado
como Data Mining ou Mineração de Dados (FAYYAD et al., 1996). O processo de KDD está
concentrado no mapeamento de dados brutos em modelos mais compactos, genéricos ou úteis
que os dados originais (MELO, 2010).
Nesse aspecto, a Mineração de Dados contribui com essa descoberta de conhecimento, pois,
através de técnicas e algoritmos, ajuda a buscar correlações importantes entre os dados
(FAYYAD et al., 1996).
Com as técnicas de Data Mining, grandes empresas têm conquistado de forma inteligente um
diferencial frente aos concorrentes, tais como: prevenção de tendências, aprimoramento de
produtos ou serviços, dependente do perfil de consumo dos mesmos e, além de tudo,
maximando seus lucros em face da grande competividade entre eles. Grandes empresas
nacionais e internacionais, como Itaú, Telefônica, Sprint, Golden Cross, entre outras, aderem
a essa técnica nos dias atuais (VIANA, 2013).
Devido à grande quantidade de informações em base de dados, ferramentas computacionais,
especialmente os modelos quantitativos de análise de dados, foram requeridas para identificar
elementos importantes e necessários para tomada de decisão (PRAHALAD; KRISHNAN,
2008).
Suporte computacional em atendimento médico é a maneira mais viável para se trabalhar com
grandes quantidades de dados, visto que os atendimentos geram grandes massas de dados com
informações digitalizadas dos pacientes. Essa massas de dados auxiliam o apoio ao
diagnóstico médico (COSTA; TRAINA, 2012). Os dados, se utilizados adequadamente,
influenciam diretamente a maneira de como o paciente será tratado, isto é, a forma de cuidado
da saúde do paciente. Os dados usados adequadamente podem conceber informações que
auxiliem na prevenção e no combate às doenças (LAVRAC et al., 2000).
Sendo assim, este artigo estuda a aplicação da tarefa regras de associação a partir de Data
Mining em uma base de dados escolhida do software Weka (Waikato Enviroment for
Knowledge Analysis), software utilizado para realização deste estudo e que será melhor
detalhado na Seção 3. A base escolhida será a base Breast Cancer, na qual objetiva-se mostrar
pacientes com câncer de mama que possuem ou não recorrência de sintoma após o tratamento.
No entanto, o artigo em questão apresenta apenas a aplicação da regra e os resultados a partir
dessa aplicação, sem se aprofundar em questões específicas da base de dados.
Tendo em vista a utilização das tarefas de aplicação de Data Mining, é possível extrair
informações ocultas e gerar dados que favorecem a descoberta de conhecimento.
O artigo está organizado da seguinte maneira: na primeira seção, é apresentada a introdução,
na qual se exibe um breve resumo sobre o assunto, seguida do referencial teórico, que relata o
processo de descoberta de conhecimento em banco de dados, fases do processo de KDD,
algoritmos utilizados e regras empregadas. A seção 3 apresenta os procedimentos
metodológicos utilizados no trabalho. Na seção 4 são evidenciados os resultados obtidos e,
em seguida, são relatadas as conclusões do trabalho.
Pretende-se com esse estudo articular não só os fundamentos teóricos referentes à descoberta
de conhecimento, mas também ressaltar a importância e os benefícios gerados a partir dessas
V CONGRESSO BRASILEIRO DE ENGENHARIA DE PRODUÇÃO
Ponta Grossa, PR, Brasil, 02 a 04 de Dezembro de 2015
técnicas, especificamente a regra de associação por Data Mining.
2. Referencial Teórico
Nesta seção, será apresentada uma análise bibliográfica, a qual constitui a história da arte em
que este trabalho se baseia.
2.1 KDD- Knowledge Discovery in Databases
O processo de KDD (Knowledge Discovery in Databases) surgiu em 1989 como um novo
ramo da computação que visava à extração de conhecimento, de maneira automatizada, e
através do mesmo, explorar as crescentes bases de dados, criando, assim, relações de interesse
e reconhecimento de padrões existentes, através da modelagem de fenômenos do mundo real
(GOLDSCHIMIDT; PASSOS, 2005).
Junto às bases de dados, existem informações relevantes contidas em nível gerencial e
estratégico, que em hipótese nenhuma podem ser descobertas por sistemas de gerenciamento
de base de dados tradicionais (DIAS et al., 2015).
Concomitantemente ao processo de KDD, encontra-se a técnica de Data Mining (Mineração
de Dados), que, segundo Fayyad et al. (1996), define como “processo não trivial de identificar
em dados alguns padrões válidos, novos, potencialmente úteis e compreensíveis”. O autor
também destaca a versatilidade da mineração de dados em diferentes segmentos e setores
(FAYYAD et al., 1996).
O processo do KDD é um processo iterativo e interativo, composto por uma série de etapas, o
qual envolve a prepação dos dados, procura por padrões, avaliação e refinamento (FAYYAD
et al., 1996). Essas etapas serão especificadas a seguir.
2.1.1 Fases principais do KDD
Para Fayyad et al. (1996), as fases principais do processo de KDD são: seleção, préprocessamento e limpeza, transformação, data mining, intepretação e avaliação. A Figura 1
representa o processo.
Fonte: FAYYAD et al, 1996
Figura 1– Processo do KDD
Esse ciclo corresponde ao processo que o dado percorre até se transformar em conhecimento
útil. As fases do processo ocorrem logicamente a partir de uma base de dados, e essas fases
têm objetivos específicos para cada tipo de base, porém as finalidades são as mesmas.
V CONGRESSO BRASILEIRO DE ENGENHARIA DE PRODUÇÃO
Ponta Grossa, PR, Brasil, 02 a 04 de Dezembro de 2015
Seguidamente, serão apresentadas todas as etapas do processo, tendo como enfoque suas
características e finalidades.
2.1.1.1 Seleção
Etapa que tem como propósito identificar os dados significantes a serem trabalhados e que
podem ser encontrados em vários formatos. Fase na qual é mapeado o conjunto de
informações a serem utilizadas.
É realizada uma identificação de quais informações serão trabalhadas na base de dados
(GOLDSCHIMIDT; PASSOS, 2005, p.26).
Um aspecto importante referente à escolha das informações significantes é a busca por dados
que satisfaçam seus objetivos. Por exemplo, na área médica, pode-se tentar encontrar as
possíveis causas da doença de um paciente. Uma escolha incerta pode levar a informações
errôneas, prejudicando, assim, a tomada de decisão (BATISTA, 2003).
De acordo com Diniz (2000), “as variáveis selecionadas para a mineração de dados são
denominadas variáveis ativas, uma vez que são usadas para distinguir segmentos, fazer
predições ou desenvolver outras operações específicas de mineração de dados”.
2.1.1.2 Pré-processamento e Limpeza
Nessa fase ocorre o tratamento dos dados, ou seja, são realizadas tarefas envolvendo a
limpeza de dados, objetivando a inconsistência, redundância e ausência entre os mesmos.
A qualidade é crucial para obter dados confiáveis, uma vez que dados limpos e
compreensíveis são requisitos básicos para o sucesso da mineração (DINIZ, 2000).
Por último, os dados são selecionados e analisados para serem transformados.
2.1.1.3 Transformação
Após o pré-processamento dos dados, os mesmos são transformados para um formato
adequado, para que possa ser trabalhado da forma apropriada para mineração. Por exemplo,
para ser trabalhado com a ferramenta Weka, os dados precisam ser convertidos para o formato
ARFF (Attribute-Relation File Format), que é trabalhado pelo programa. É comum empresas
de grande porte terem diversos computadores, muitos deles utilizando diferentes sistemas
operacionais, o que faz com que os dados necessitem ser armazenados e formatados
corretamente, para que o programa possa ser aplicado.
Segundo Melo (2010), além de localizar características úteis para representar os dados, essa
etapa é também responsável pela escolha dos melhores atributos presentes no conjunto de
dados.
2.1.1.4 Data Mining
Após a etapa de transformação dos dados, é a vez do Data Mining desempenhar seu papel,
que é central na extração do conhecimento.
De acordo Fayyad et al. (1996), a mineração de dados é um método que busca o
conhecimento em grandes bases de dados, fazendo com que as informações importantes
ajudem no processo da tomada de decisão. Além disso, essa etapa visa à escolha dos
algoritmos que mais combinam com o objetivo proposto, aquele que se quer extrair da base de
dados escolhida.
Conforme Berry e Linoff (1997), um dos objetivos do Data Mining é a descoberta de regras e
padrões, que é feita através da exploração e análise, de forma automática ou semi-automática,
das grandes bases de dados.
V CONGRESSO BRASILEIRO DE ENGENHARIA DE PRODUÇÃO
Ponta Grossa, PR, Brasil, 02 a 04 de Dezembro de 2015
De acordo com Berson e Smith (1997) e Ramos (1999), a mineração de dados pode ser
realizada através de algumas tarefas, como: agrupamento, associação e classificação. No item
2.2 será apresentada a tarefa de agrupamento, que será aplicada no desenvolvimento do
trabalho.
Para cada tipo de problema existe alguma regra e um algoritmo em específico que melhor se
encaixam nas situações exigidas.
Por fim, tem-se a interpretação do resultado e a avaliação para determinar a eficácia do
conhecimento extraído.
2.1.1.5 Interpretação e Avaliação
A última fase do processo do KDD é a avaliação e interpretação, que verifica se o
conhecimento adquirido a partir das etapas realizadas anteriormente atingiu o objetivo
principal.
A fase de pós-processamento, como é conhecido, também avalia os dados explorados a partir
dos algoritmos da mineração de dados. Caso aconteça de o resultado não for o esperado, o
processo pode ser modificado a partir das etapas anteriores, e corrigidas posteriormente. Uma
atitude comum é a troca de algoritmo.
Além da visualização dos padrões adquiridos, são medidas também informações que
correspondem a erro médio, erro quadrático, taxas de falsos positivos, matriz confusão,
precisão, entre outras.
Ao final, ter-se-ão os padrões extraídos com a finalidade de acatar os objetivos inicialmente
propostos.
2.2 Regras de associação
As regras de associação determinam quais conjuntos ocorrem de forma simultânea em um
mesmo evento, sendo assim, são resultados da relação entre os dados processados,
associações de condição e resultado (BRUSSO, 2000).
As relações existentes entre os valores do conjunto da base de dados são pertinentes na regra
de associação, pois contribuem no processo de tomada de decisão. É importante destacar a
importância das regras existentes no Data Mining como um todo, ou seja, escolhendo a regra
certa, provavelmente as relações ajudarão a se ter respostas mais precisas, extraindo o
máximo dos dados ofertados.
Um dos determinantes de grande importância na regra de associação é o de suporte
(frequência que os padrões ocorrem) e confiança, pois apenas as regras de associação com um
alto valor de confiança e de suporte são as regras de associação vistas para uma determinada
pesquisa. Para as regras de associação serem efetivadas, é preciso algoritmos que executem as
tarefas programadas. Um algoritmo que é comum e eficaz em regras de associação é o
algoritmo Apriori. A seguir, será feito um leve aprofundamento sobre os conceitos deste
algoritmo.
V CONGRESSO BRASILEIRO DE ENGENHARIA DE PRODUÇÃO
Ponta Grossa, PR, Brasil, 02 a 04 de Dezembro de 2015
2.3 Algoritmo Apriori
Algoritmo usado para realizar tarefas de associação, que busca em um banco de dados
conjuntos frequentes, que satisfazem uma regra mínima estabelecida. Esse algoritmo
identifica relações e dependências significativas entre os atributos (DIAS et al., 2015). Ele
trabalha com as medidas de confiança e suporte para classificar as melhores regras
(CORRÊA, 2009).
O algoritmo soluciona problemas envolvendo mineração de dados com conjuntos de itens
frequentes, atributos que se inter-relacionam, além de realizar diversas buscas no banco de
dados.
O primeiro passo deste algoritmo é encontrar conjuntos de itens frequentes. Primeiramente, o
usuário dá um limite mínimo para o apoio e o algoritmo pesquisa todos os conjuntos de itens
que aparecem com um apoio superior a esse limite (PASTA, 2011), ou seja, ao especificar o
suporte mínimo, que condiz com os conjuntos de itens que ocorrem em pelo menos uma dada
percentagem, o algoritmo seleciona as transações acima desse suporte pré-estabelecido. No
próximo passo, são construídas as regras dos itens selecionados anteriormente, e o algoritmo
calcula a confiabilidade de cada regra e as mantêm de acordo com a confiança limiar definida
pelo usuário, ou seja, apenas mantém as regras em que a confiança é maior do que o limite
dado pelo usuário. A tarefa de associação identifica e descreve as associações entre as
variáveis no mesmo item ou associações entre os itens diferentes que ocorrem
concomitantemente, de uma forma frequente em bases de dados (PASTA, 2011).
O algoritmo Apriori realiza buscas sucessivas em toda a base de dados, mantendo um ótimo
desempenho em termos de tempo de processamento (AGRAWAL; SRIKANT, 1994).
Após serem passados os conceitos envolvendo as etapas do KDD e as regras que serão
utilizadas no trabalho, o tópico seguinte visa fazer uma breve explicação sobre a base de
dados escolhida.
2.4 Base de dados
A base de dados denominada de Breast Cancer foi originada através do Centro Médico
Universitário de Oncologia, de Ljubljana, Iugoslávia. O conjunto possui 201 instâncias de
pacientes com câncer sem recorrência e 85 pacientes nos quais o câncer retornou em até um
ano após o diagnóstico e tratamentos feitos inicialmente, além das instâncias serem descritas
por nove atributos.
O Quadro 1 apresenta as informações a respeito dos atributos, descrições e o tipo de dado.
Atributo
Descrição
Tipo de dado
Age
Idade do indivíduo
Integer (10-19 até 90-99)
Menopause
Indica se o paciente é pré ou pósmenopausa no momento do
diagnóstico
Varchar (lt40 (antes dos 40), ge40
(depois dos 40), premeno (prémenopausa))
Tumor-size
Diâmetro do tumor (mm)
Integer(0-4 até 55-59)
Inv-nodes
Número de linfonodos axilares
Integer (0-2 até 36-39)
Node-caps
Penetração do tumor na cápsula do
linfonodo
Varchar (Yes, No)
Deg-malig
Grau de malignidade do tumor
Integer (1,2,3)
Breast
Mama em que o câncer pode
ocorrer
Varchar (Left, Right)
V CONGRESSO BRASILEIRO DE ENGENHARIA DE PRODUÇÃO
Ponta Grossa, PR, Brasil, 02 a 04 de Dezembro de 2015
Breast-quad
Quadrante da mama afetado
considerando o bico como o centro
Varchar (Left-up, Left-low, Rightup, Right-low, Central)
Irradiat
Histórico de radioterapia
Varchar (Yes, No)
Class
Recorrência ou não após o
tratamento
Varchar (no-recurrence-events,
recurrence-events)
Quadro 1– Descrição da base de dados Breast Cancer
A partir das informações referentes à base de dados, o andamento do trabalho será
apresentando nas próximas seções, contemplando-se o desenvolvimento, resultado e
conclusão do estudo.
3. Desenvolvimento
Com a evolução da tecnologia, a análise correta dos dados se tornou uma variante importante
para várias organizações. Um dos aspectos responsáveis por essa importância é a otimização
de dados, que busca, além da confiabilidade, informações que são importantes e úteis e que
ajudam na busca por mais qualidade e produtividade dentro da empresa, além de
competitividade em seu segmento.
Através da correta análise de dados, as informações pertinentes são cabíveis para tomar
decisões. Com isso, o ramo da medicina aderiu a conceitos que visam a essa otimização, em
virtude da grande quantidade de informações e registros, que nem sempre são realmente
importantes para o diagnóstico. Surge, assim, a necessidade de analisar e entender esses dados
a partir das técnicas de Data Mining.
Logo, a proposta deste trabalho juntamente com o processo de KDD visa à utilização das
técnicas de Data Mining, especificamente a regra de associação. A base de dados, como
referida anteriormente, será a base Breast Cancer e que se encontra na biblioteca do Weka,
software a ser detalhado no próximo tópico.
3.1 Weka
O Weka (Waikato Enviroment for Knowledge Analysis) é um software livre desenvolvido em
linguagem Java, pela Universidade de Waikato, Nova Zelândia, o qual objetiva a técnica de
mineração de dados. É formado por um conjunto de implementações de algoritmos de
diversas técnicas de Minerações de Dados (UNIVERSITY OF WAIKATO, 2010). Essas
implementações correspondem a um conjunto de algoritmos de aprendizado de máquina, que
possibilita a extração do conhecimento (WEKA, 1997).
É importante destacar sua utilidade em diversos trabalhos acadêmicos, artigos científicos,
dissertações e teses, envolvendo processo de mineração de dados, em virtude de o software
disponibilizar um grande conjunto de recursos para execução dos processos de KDD.
Uma de suas características é a portabilidade, pois pode ser instalada em qualquer computador
e em diferentes sistemas operacionais. O software pode ser disponibilizado pelo site
http://www.cs.waikato.ac.nz/ml/weka.
O formato para se utilizar o Weka é o arquivo ARFF (Attribute-Relation File Format). A
seguir, serão apresentadas explicações sobre este arquivo.
3.2 Arquivo ARFF
Arquivo ARFF (Attribute-Relation File Format) é o formato utilizado pelo software Weka.
Este arquivo precisa conter informações a respeito de domínio de atributos, valores que os
atributos podem representar e o atributo classe. O arquivo é dividido, primeiramente, por uma
lista de todos os atributos de seu estudo, em que se deve escolher o tipo do atributo e/ou
V CONGRESSO BRASILEIRO DE ENGENHARIA DE PRODUÇÃO
Ponta Grossa, PR, Brasil, 02 a 04 de Dezembro de 2015
valores desejados. Os valores escolhidos precisam estar entre chaves e separados por vírgulas.
A segunda parte é formada por instâncias que estão presentes nos dados escolhidos. Os
atributos precisam estar separados por vírgula.
Na Figura 2 têm-se as informações da base de dados em questão e a sua formatação no
arquivo ARFF.
Figura 2 – Arquivo ARFF
Posteriormente à transformação dos dados, o arquivo pode ser executado pelo software Weka.
Para utilizar o algoritmo Apriori, seleciona-se primeiramente a aba Associate e escolhe-se o
pacote weka.associations.Apriori.
Visando à busca das melhores regras para seu estudo, é necessário selecionar alguns
parâmetros do algoritmo. Para isso, é preciso dar um duplo clique no algoritmo, que abrirá
uma janela com algumas informações a respeito do mesmo. O Quadro 2 apresenta três
parâmetros significativos na aplicação do algoritmo Apriori.
Opção
Função
N° de Regras (numRules)
Confiança (minMetric)
Suporte Mínimo (lowerboundminsupport)
Especifica a quantidade regras desejada. (default =12)
Apresenta a confiança ou a precisão mínima exigida
(default = 0,9 = 90%)
Suporte Mínimo desejado. (default = 0,1 = 10%)
Quadro 2– Parâmetros do algoritmo Apriori
Nessa perspectiva, é possível observar que, quando os valores estiverem mais perto de 1.0, ou
seja, corresponde a 100%, maior será a confiabilidade dos dados, ou seja, maiores serão a
confiança e o suporte da regra.
V CONGRESSO BRASILEIRO DE ENGENHARIA DE PRODUÇÃO
Ponta Grossa, PR, Brasil, 02 a 04 de Dezembro de 2015
4. Resultados
Nesta seção serão apresentados os resultados obtidos, resultantes das fases já concluídas
anteriormente. Neste estudo, o suporte mínimo foi de 10%, confiança de 90% e número de
regras igual a 12, aplicados na base de dados Breast Cancer. Na Figura 3, são apresentadas as
regras obtidas a partir do algoritmo Apriori.
Figura 3 – Resultados gerados pelo algoritmo Apriori
Através da Figura 3, obtêm-se as seguintes informações a respeito das 12 regras encontradas:

Se o paciente possui nódulo entre 0-2 mm, não tem histórico de radioterapia e não teve
recorrências de sintomas após o tratamento, então o paciente não possui penetração do
tumor na cápsula do linfonodo. 99% de confiança;

Se o paciente possui nódulo entre 0-2 mm, não tem histórico de radioterapia, então o
paciente não possui penetração do tumor na cápsula do linfonodo. 97% de confiança;

Se o paciente não possui penetração do tumor na cápsula do linfonodo, não tem
histórico de radioterapia e não teve recorrências de sintomas após o tratamento, então
o paciente possui nódulo entre 0-2 mm. 96% de confiança.

Se o paciente possui nódulo entre 0-2 mm e não teve recorrência após o tratamento,
então não possui penetração do tumor na cápsula do linfonodo. 96% de confiança;

Se o paciente possui nódulo entre 0-2 mm na mama esquerda, então não tem
penetração do tumor na cápsula do linfonodo. 96% de confiança;

Se o paciente não tem penetração do tumor na cápsula do linfonodo na mama
esquerda, então o paciente possui nódulo entre 0-2 mm. 95% de confiança;
V CONGRESSO BRASILEIRO DE ENGENHARIA DE PRODUÇÃO
Ponta Grossa, PR, Brasil, 02 a 04 de Dezembro de 2015

Se o paciente possui nódulo entre 0-2 mm, então não tem penetração na cápsula do
linfonodo. 94% de confiança;

Se o paciente não tem penetração na cápsula do linfonodo e não tem histórico de
radioterapia, então o paciente possui nódulo entre 0-2 mm. 94% de confiança;

Se o paciente tiver nódulo entre 0-2 mm e na pré-menopausa, então não possui
penetração do tumor na cápsula do linfonodo. 94% de confiança;

Se o paciente não possui penetração do tumor na cápsula do linfonodo e não teve
recorrência de sintomas após o tratamento, então o paciente possui nódulo entre 0-2
mm. 94 % de confiança;

Se o paciente não tem histórico de radioterapia e não teve recorrência de sintomas
após o tratamento, então o paciente não possui penetração do tumor na cápsula do
linfonodo. 92 % de confiança;

Se o paciente tiver nódulo entre 0-2 mm, não possuir penetração do tumor na cápsula
fibrosa e não teve recorrência de sintomas após o tratamento, então o paciente não
possui histórico de radioterapia. 91 % de confiança.
Com o entendimento das regras acima, é possível obter informações privilegiadas a respeito
da base de dados em estudo, ou seja, é possível determinar a relação entre os sintomas prévios
e os diagnósticos realizados, sabendo que a regra utilizada é uma das tarefas que pode ser
realizada para a descoberta do conhecimento útil; no entanto, existem outras técnicas que
podem ser utilizadas com o mesmo propósito. Após a extração do conhecimento, serão
apresentadas a seguir as principais conclusões do trabalho.
5. Conclusão
Conclui-se com o estudo que a adoção das técnicas de KDD apresentou-se como uma
estratégia eficaz para a descoberta de conhecimento em base de dados, extraindo informações
ocultas e gerando dados privilegiados.
Foi possível compreender, com este trabalho, as etapas pertinentes à mineração de dados,
especificamente a regra de associação. Esta regra visava à determinação de conjuntos
frequentes na base de dados para, posteriormente, encontrar padrões para determinar o perfil e
comportamento das informações contidas na base de dados.
A principal contribuição deste trabalho, além de apresentar a aplicabilidade da tarefa de
mineração de dados, é mostrar não só os fundamentos teóricos referentes à descoberta de
conhecimento, mas também ressaltar a importância e os benefícios gerados a partir dessas
técnicas. É importante mencionar sua importância à comunidade acadêmica, pois contribui
para estudos iniciais envolvendo Data Mining, regras de associação e etapas do KDD.
Sugere-se, para trabalhos futuros, estudar outras técnicas de Data Mining para a mesma base
de dados, além de estudar qual é a técnica que mais contribuiu para a descoberta de
conhecimento. Também pode ser feito o aprofundamento da base de dados, visando relatar
questões específicas sobre o mesmo.
Referências
ABDEL-AAL, R.E.; AL-GARNI, Z. Forecasting Monthly Electric Energy Consumption in eastern Saudi
Arabia using Univariate Time-Series Analysis. Energy Vol. 22, n.11, p.1059-1069, 1997.
V CONGRESSO BRASILEIRO DE ENGENHARIA DE PRODUÇÃO
Ponta Grossa, PR, Brasil, 02 a 04 de Dezembro de 2015
ABRAHAM, B.; LEDOLTER, J. Statistical Methods for Forecasting. New York: John Wiley & Sons, 1983.
LIM, C.; McALEER, M. Time Series Forecasts of International Travel Demand for Australia. Tourism
Management, artigo aceito em 2001 para publicação, aguarda impressão.
MAKRIDAKIS, S.; WHEELWRIGHT, S.; HYNDMAN, R.J. Forecasting Methods and Applications. 3. ed.
New York: John Wiley & Sons, 1998.
PELLEGRINI, F.R.; FOGLIATTO, F. Estudo comparativo entre modelos de Winters e de Box-Jenkins para a
previsão de demanda sazonal. Revista Produto & Produção. Vol. 4, número especial, p.72-85, 2000.
AGRAWAL, R.; SRIKANT, R. Fast algorithms for mining association rules in large databases. Proceedings
of the International Conference on Very Large Databases, Santiago, Chile, 1994.
AMO, S. Curso de Data Mining – Aula 2 – Mineracao de Regras de Associacao – O algoritmo APRIORI, 2010.
BATISTA, G.E.A. P. A. B. Pré-processamento de Dados em Aprendizado de Máquina Supervisionado. Tese de
Doutorado (Doutorado em Ciência da Computação e Matemática Computação). USP – São Carlos, 2003.
Disponível
em:
<http://www.teses.usp.br/teses/disponiveis/55/55134/tde-06102003160219/publico/TeseDoutorado.pdf> Acesso em: 19 ago. 2015.
BERRY, M. J. A.; LINOFF, G. Data Mining Techniques: For Marketing, Sales, and Customer Support. New
York: Wiley Computer Publishing, 1997.
BERSON, A.; SMITH, S. J. Data Warehousing, Data Mining and OLAP. McGraw-Hill, Estados Unidos, 1997.
BRUSSO, M.J. Access Miner: uma proposta para a extração de regras de associação aplicada à mineração do
uso da Web. Dissertação de Mestrado (Mestrado em Ciência da Computação) – Universidade Federal do Rio
Grande do Sul. Rio Grande do Sul, 2000. Disponível em: <http://upf.tche.br/~brusso/pub/dissertacao.pdf>.
Acesso em: 23 ago. 2015.
CORRÊA, K. S. Processo de mineração de dados no estudo de fenômenos solares e geomagnéticos. 28 f.
Trabalho Acadêmico (mestre) – INEP, São José dos Campos, 2009.
COSTA, A. F.; TRAINA, A. J. M. Mineração de Imagens Médicas Utilizando Características de Forma,
2012.
DIAS, T.; BARBOSA, P.; DIAS, P.; MOITA, G. Identificação de Padrões em Registros de Doenças com
Técnicas
de
Mineração
de
Dados. CONTECSI,
Brasil,
2015.
Disponível
em:
<http://www.contecsi.fea.usp.br/envio/index.php/contecsi/12CONTECSI/paper/view/3234/2449>. Acesso em:
18 ago. 2015.
DINIZ, C. A. R.; LOUZADA NETO, F. Data mining: uma introdução. São Paulo: ABE, 123p, 2000.
FAYYAD, U.; PIATETSKY-SHAPIRO, G.; SMYTH, P. From Data Mining to Knowledge Discovery in
Databases. American Association for Artificial Intelligence, 1996.
GOLDSCHIMIDT, R.; PASSOS, E. Data mining: um guia prático. Rio de Janeiro: Campus, 2005.
LAVRAC, N.; KERAVNOU, E.; ZUPAN, B. Intelligent data analysis in medicine. Encyclopedia of computer
science and technology, 42(9), 113-157, 2000.
MELO, M.D. Introdução à Mineração de Dados usando o Weka. V CONNEPI-2010.
PASTA, A. Aplicação da técnica de Data Mining na base de dados do ambiente de gestão educacional: Um
estudo de caso de uma instituição de ensino superior de Blumenau-SC. Dissertação de Mestrado (Mestrado em
Computação Aplicada) – Universidade do Vale do Itajaí, São José, 2011. Disponível em: <
http://www.uniedu.sed.sc.gov.br/wp-content/uploads/2013/10/Arquelau-Pasta.pdf >. Acesso em: 21 ago. 2015.
PRAHALAD, C. K.; KRISHNAN, M. S. A nova era da inovação: a inovação focada no relacionamento com
o cliente. Rio de Janeiro: Elsevier, 2008.
PRASS, F. S.Uma visão geral sobre as fases doKnowledge Discovery in Databases (KDD). Disponível em:
<http://fp2.com.br/blog/wp-content/uploads/2012/07/KDD_Uma_visao_geral_do_processo.pdf. Acesso em 18
ago. 2015.
RAMOS, P.G. Uma Investigação das Redes Neuro-Fuzzy aplicadas à Mineração de Dados. Monografia de
Graduação (Graduação em Ciência da Computação) – Universidade Federal de Recife, Recife, 1999. Disponível
em: <http://www.di.ufpe.br/~tg/1999-1/pgr.doc>. Acesso em: 21 ago. 2015.
V CONGRESSO BRASILEIRO DE ENGENHARIA DE PRODUÇÃO
Ponta Grossa, PR, Brasil, 02 a 04 de Dezembro de 2015
UNIVERSITY OF WAIKATO. Weka 3 – Machine Learning Software in Java. Disponível no site da
University of Waikato (2010). URL: http://www.cs.waikato.ac.nz/ml/weka
VIANA, R. P. R. Data Mining: Auxiliando na tomada de decisões estratégicas nas empresas. 2013. 51 f.
Monografia (Curso de Ciência da Computação) – Universidade Fundação Mineira de Educação e Cultura
(FUMEC), Belo Horizonte, 2013.
WEKA.
Machine
Learning.
McGraw-Hill,
1997.
<http://www.cs.waikato.ac.nz/~ml/WEKA/index.html>. Acesso em: 27 ago. 2015.
Disponível
em: